8 月 7 日，《The Robot Report》登出對 Tacta Systems 共同創辦人兼執行長 Vikram Pavate 的專訪，把這家公司 7 月 27 日在帕羅奧圖發表的 TactaBot 拆開講了一遍。
Pavate 講了一句概括這家公司的話：「人有了不起的大腦，但 AI 正在追上來。我們有還不錯的眼睛，電腦視覺在這一塊基本上也追上了。一直缺的那部分，是手。」
這句話本身不新鮮。新鮮的是這家公司為了補上這一塊，選了什麼路徑。
先說那隻手
TactaBot 由三個部分組成：Tacta Hand，Skill Capture 採集系統，以及一個叫 Dexterous Intelligence 的 AI 模型。
手是人手大小的五指結構，15 個自由度，每根手指 3 個。每個指尖能出 25 牛頓的力，大約 2.5 公斤。驅動方式是自研的 Fluidic Tendon，纜線裡走流體，流體推活塞，活塞帶動手指。
Pavate 說選這條路的理由很實際：流體致動能把手指做得非常細，靠近手部的位置不發熱，這兩點是馬達驅動做不到的。可靠性也是個理由。傳統的纜線驅動手精確、快，但一條線斷了整隻手就廢了。Tacta 聲稱他們的手機械壽命可達 3000 萬次循環。
指尖和感測器另外算。這兩樣會磨損，公司把它們設計成了消耗品，壞了就換。
感測器本身是這套系統的核心。單顆感測器比一粒沙還小，量程從 250 帕一路涵蓋到 70 萬帕，也就是人類觸覺的完整動態範圍。它還能量溫度，精度 0.1 攝氏度。不是 MEMS 結構，每顆感測器自帶類比數位轉換，排布間距 1 毫米。
硬體規格到這裡為止。這些是好東西，但不是這條新聞真正的重量所在。
真正的產品是那隻手套
Tacta 把同一顆感測器裝進了一隻手套。每個指尖 256 顆，手背上再加一套動作捕捉。資料無線傳到本地主機。
關於這隻手套，專訪裡有兩句話值得連起來讀。
第一句：手套可以直接部署，不需要受訓，工人可以自然地戴著它完成複雜任務。
第二句，是公司自己的說法：每一個用 Tacta 手套工作的小時，都會讓它的機器人訓練資料集繼續複利。
手套記錄的是力、動作、影片和溫度，直接從產線上正在工作的工人身上取。之後 Tacta 拿一個現成的預訓練模型，用這些觸覺和動捕資料訓一遍，再到客戶現場，用手套在客戶自己的產線上做微調。
把這三步連起來，替代路徑的形狀就出來了。它不需要一個「機器人到職、工人離場」的時刻。工人繼續上班，繼續做那些需要手感的工作，唯一的變化是他們戴了一副手套。技能還在人手上，但技能的完整紀錄已經不在了。
物理世界裡沒有 Reddit
Pavate 對資料這件事說得非常直白：「物理世界裡沒有莎士比亞、沒有網頁、沒有 Reddit、沒有《紐約時報》可以拿來訓練這些模型，高價值的工作尤其沒有。」
這是過去兩年整個具身智慧產業的真問題。語言模型有一份現成的語料躺在那裡，物理智慧沒有，語料必須被製造出來。業界幾條路線，差別就在於製造語料的方式。
4 月 28 日 NVIDIA 開源 Isaac GR00T N1.7，用的是 20,854 小時的第一人稱視角影片，Apache 2.0 授權，還附了第一份公開的靈巧操作縮放定律。我們當時寫過這條。那條路線的優點是便宜、量大、可以爬；缺點是影片裡沒有力，沒有滑移，沒有溫度，沒有形變。
7 月 30 日 DeepMind 發表 Gemini Robotics 2，第一次端到端控制一台完整的人形機器人。它自己公布的基準圖裡有一組數字很扎眼：轉下燈泡成功率 92%，把燈泡轉回去 36%。我們講過這張圖，五指手在多項任務上打不過兩指夾爪。
Tacta 的整個賭注，就是在回答那 36% 從哪來。它的答案不是模型不夠好，是手不知道自己碰到了什麼。所以它去補的不是模型層，是輸入層，而且補的是那個爬不到的通道。
7 月 27 日的新聞稿裡，公司把這套採集叫做 large-scale skill capture。這個詞組是準確的，只是需要有人把它翻回中文的日常意思：大規模地，把技能取下來。
和 Agility 的那本帳不一樣
7 月 30 日，Agility Robotics 在費利蒙開了一個訓練中心，招募大約 200 人來教 Digit 做倉庫的工作，同時以 25 億美元估值走 SPAC 上市。我們記過這件事。
兩家公司在做同一件事：把人的動作變成機器人的能力。但帳完全不是一本。
Agility 的訓練資料是一張薪資單。它自己雇人、付錢、在自己的場地裡產生資料，成本明確記在損益表上。資料的邊際成本等於人力的邊際成本，所以資料量的天花板就是它願意燒多少錢。
Tacta 不需要雇任何人。產生訓練資料的勞動力已經在職了，由客戶雇用、領客戶的薪水、做客戶自己的訂單。Tacta 交付的是一套採集系統，客戶為這套系統付錢，然後在使用過程中把語料交出來。
這中間的差別是結構性的。前一種模式裡，資料是成本；後一種模式裡，資料是收入的副產品。副產品不占預算，也就沒有規模上限。Pavate 說每小時工作都在給資料集做複利，這個「複利」不是修辭，它描述的是一條不需要額外投入就能自己往上走的曲線。
這一層工人過去是安全的
Pavate 把這門生意的出發點講成勞動力短缺：全世界最嚴重的人力缺口有不少落在技術工種上，尤其是製造業環境。
這個說法在近期是成立的。願意做精密電子組裝的熟練工確實不夠，缺口是真的。
但值得注意的是，這一層工作過去被認為不容易被自動化，理由恰恰就是「要靠手」。第一波工業自動化拿走的是重複、大批量、路徑固定的動作。留下來的是那些需要在指尖上判斷的活：連接器有沒有壓到底，軟性排線該用多大力，組裝件卡住的時候該鬆還是該轉，元件表面的形變說明了什麼。這些判斷不走眼睛，走的是觸覺。
Tacta 明確瞄準的產業是電子製造、AI 基礎設施和汽車。它給出的時間表是 2027 年初出貨首批 TactaBot，而客戶現場的微調會發生在出貨之前。
Pavate 自己把長期設想講得更遠：養老院、醫院、餐飲。他舉的例子是一位世界級的壽司師傅戴著手套備料，或者一位鋼琴家戴著它彈一首曲子。這兩個例子講的是同一件事，只是聽起來浪漫一點：手上的功夫可以被取下來。
如果你的產線開始發手套
三件事可以現在就問清楚。
第一，問資料的歸屬和用途。採集類穿戴裝置進產線通常掛在兩個名義下，一個是人因工程，一個是品質追溯。Tacta 這套裝置的用途寫得很清楚，就是訓練接手這些動作的模型。名義不清楚的那些，更需要問。
第二，看你的技能有沒有被逐次記錄過。觸覺這一層過去沒有資料，是因為沒人裝得起感測器，不是因為它不可記錄。感測器一旦便宜到可以做成消耗品，這個前提就換了。判斷一個工種的暴露程度，標準不是它有多難，是它的過程有沒有被系統性地錄下來。
第三，往設定和判定那一端走。會用手的人在未來幾年會更值錢，因為語料還沒採夠。真正穩的位置是定義什麼叫合格、處理機器搞不定的異常、以及在良率掉下來的時候知道該改哪一步。這些工作目前沒有任何一副手套在採。
TactaBot 的出貨時間是 2027 年初。在那之前的每一個班次，都在為它備料。
